基于归一化RGB与椭圆相似度的圆形交通标志检测

提出一种基于归一化RGB(NRGB)和椭圆相似度的圆形交通标志检测方法。首先将图像的RGB模型转换为NRGB,利用阈值分割得到红、蓝、黄颜色分量,然后根据面积和长宽比去除干扰区域,最后利用椭圆相似度检测感兴趣区域是否为圆型交通标志。实验结果表明,该方法能在复杂背景中准确定位圆形交通标志,获得了较高的检测率和较低的误检率。     

利用模糊能量的纹理图像缺损区域自动定位

针对纹理图像中的信息缺失区域检测问题,提出一种由粗到精的缺损区域自动定位方法.在粗定位阶段,采用高斯滤波和阈值法去除背景纹理信息,以获取缺损区域初始粗边缘;在精确定位阶段,引入基于模糊能量的改进Chan-Vese主动轮廓模型,并以粗边缘作为模型演化的初始曲线,通过水平集方法实现对缺损区域的精确定位.实验结果表明,该方法可以实现对不同类型缺损区域的精确、自动定位,具有较高的计算效率和鲁棒性.     

基于CT反演的引信装配正确性快速检测技术

引信装配正确性检测是工业生产的关键环节,传统提取人工设计特征匹配的检测方法受装配公差和机械精度等影响,识别鲁棒性较差,而基于深度学习的检测方法虽然可实现引信内部零件的错装、漏装识别,鲁棒性高,但是无法实现零构件分布位置快速检测。针对该问题,结合CT重构空间位置信息和数字成像(DR)检测实时性优点,提出基于CT反演的引信装配正确性快速检测技术。首先,等间隔、多角度采样获取引信投影序列;其次,使用Faster-RCNN检测网络分类定位零构件;最后,根据定位结果进行CT反演,实现零件漏缺和错位检测。实验表明,所提出的方法可以有效解决引信零件分布快速检测问题,有高鲁棒性。     

基于视/力觉反馈的复合定位方法研究

视觉引导是机械臂的一种常用工作模式,具有结构简单、开发周期短、效率高的特点。然而对于高精度工件的装配而言,需要较高的相机分辨率,从而极大地增加项目预算。针对高精度工件的装配需求,提出了一种基于视/力觉反馈的复合定位方法。该方法分为粗引导和精定位2个阶段：在粗引导阶段,通过视觉系统将工件引导至基座平面的导向范围内;在精定位阶段,利用六维力传感器将工件移动至期望位置,从而完成装配。搭建了基于六轴机械臂的验证系统并进行了验证实验。结果表明,所提出基于视/力觉反馈的复合定位方法适用于高精度工件的装配。     

基于自适应阈值的视频文本检测方法

视频和图像中的文本通常在基于内容的视频数据库检索、网络视频搜索,图像分割和图像修复等中起到重要作用,为了提高文本检测的效率,给出了一种基于多种特征自适应阈值的视频文本检测方法.方法是在Michael算法的基础上,利用文本边缘的强度,密度,水平竖直边缘比3个特征计算自适应局部阈值,用阈值能较好去除非文本区域,提取文本边缘,检测并定位文本,减少了Michael算法单一特征阈值的不利影响.在文本定位阶段引入了合并机制.减少了不完整区域的出现.实验结果表明有较高的精度和召回率,可用于视频搜索、图像分割和图像修复等.     

基于Sobel梯度模板的多阈值实时边缘检测方法

为了解决传统边缘检测方法存在的边缘短小、边缘丢失和噪声敏感等问题,提出一种基于Sobel梯度模板的多阈值实时边缘检测方法。该方法在大阈值下收集用于边缘定位的标兵点,在小阈值下确定用于边缘连接的搜索区域,并结合一种连点画图游戏的思想,利用不同阈值下收集的边缘线索和信息提取最终的边缘。实验结果证明,该方法运行速度快,具有较好的实时性,检测的边缘为单像素宽度,定位精确,连续性好。     

一种基于灰度图像的人脸检测及眼睛定位算法

利用灰度积分投影直接对人脸图像进行检测和眼睛定位是一种常用的算法,但是直接采用该算法会受到背景、特征等因素的影响,识别准确率较低。提出了一种基于最大类问方差阈值和区域膨胀相结合的检测与定位算法。该算法首先计算最大类间方差设置阈值,把灰度图像转换为二值图像并检测出人脸区域,然后通过对该人脸区域中的连通区域进行膨胀及连通性处理,精确定位眼睛坐标。实验表明,此算法可靠,具有较好的识别效果。     

基于机器视觉的螺纹零件头部裂纹检测

将数字图像处理技术应用于螺纹零件头部裂纹的检测,构建基于机器视觉的螺纹零件头部裂纹检测系统。对采集的螺纹零件头部图像进行预处理、感兴趣区域定位,边缘检测、特征提取以及形态学处理,提出针对螺纹零件头部裂纹特征的检测方法。实验表明,方法具有识别精度高、可靠性强等优点,完全能满足工业生产中裂纹检测的要求。     

一种基于机器视觉的圆型零件检测技术

利用机器视觉技术建立圆形零件检测系统,采用简单高效的标定方法和亚像素技术实现对圆孔和圆形零件的非接触精密测量。圆孔和圆形的直径测量过程包括图像采集、图像分析处理和结果输出。其核心算法是系统校正、图像预处理、二值化和圆检测。实验结果证明,该系统实现了在线实时检测,其精度达0.01 mm,具有良好的应用前景。     

点到弦距离累加的自适应角点检测

提出了一种自适应角点检测算法(ACPDA),以解决CPDA算法采用全局阈值去除伪角点所存在的缺陷,即无法正确处理邻近角点、钝形角点和圆形角点的问题。该算法的优势主要包括:1)提出了角点邻域再检测方法,实现对邻近角点的有效检测,同时使角点定位更加精确;2)为每条曲线构造了一个曲线自适应阈值来去除伪角点,避免了钝形角点的丢失;3)构造角点局部自适应阈值来有效去除圆形角点。对比实验表明,ACPDA算法降低了漏检角点数和伪角点数,具有更好的检测性能。     

计算机安全漏洞检测技术综述

由于信息系统已被广泛应用到国家的各个领域,信息系统的安全显得尤为重要。计算机安全漏洞已经成为信息系统的最主要的威胁之一,因此发现信息系统的漏洞检测技术也成为了目前的研究热点。文章对目前漏洞检测技术中的静态检测技术、动态检测技术和混合检测技术进行了概述,并对各种技术的优缺点进行了比较分析。     

大型雷电定位系统中实时自适应联合检测算法

雷电电磁辐射的持续时间具有随机性。采用能量法检测雷电数据块,当信号长度远短于数据块长度时,将会产生噪声淹没信号现象而引起检测概率降低的问题。发现可利用峰度来描述含有短雷电信号的数据块的波形特征,而且能量块检测与特征检测具有互补特性。为了提高检测概率,将能量块检测和特征检测相结合,利用自动筛选思想和删余检测技术实时估计背景噪声,提出了实时自适应联合雷电检测算法。通过对实采的雷电数据进行实验,结果表明,所提出的检测算法能够明显提高检测概率,表明了其有效性和实用性。     

入侵检测技术的研究与进展

入侵检测系统(IDS)作为一门新兴的安全技术，是网络安全系统中的重要组成部分。该文阐述了入侵检测系统的基本原理和功能模块，从数据源、检测方法和检测定时三个方面描述了入侵检测系统的分类，并对目前国内外入侵检测技术的研究现状作了介绍和分析。随着计算机技术和网络技术的高速发展，海量存储和高带宽的传输技术，都使得集中式的入侵检测越来越不能满足系统需求。由此指出，分布式入侵检测(DID)必将逐渐成为入侵检测乃至整个网络安全领域的研究重点，为进行入侵检测技术的研究提供一定的技术和理论依据。     

一种混合式网络入侵检测系统

入侵检测系统通常采用单一的检测模式,难以有效地处理漏报和误报问题。该文分析不同类型网络流量的分布特征,提出一种将异常检测和误用检测相结合的混合式网络入侵检测系统,从总体上克服了单一模式的不足。实验结果表明,该方法能有效地提高入侵检测系统的检测率和准确率。     

视频序列中运动对象检测技术的研究现状与展望*

将运动对象检测技术分为变化检测、运动检测和特征检测三类,介绍了各类技术的思想,对现有方法进行了归类,指出各方法的本质区别,从理论和实验两方面剖析其优势和不足并指出了适用场合。讨论了目前视频运动对象检测技术存在的问题,展望了未来的发展方向。     

智能入侵检测技术述评

入侵检测是网络安全技术研究的一个新方向,入侵检测技术是入侵检测系统(IDS)的核心。智能入侵检测技术由于其具有自学习、自适应等特点,已经成为目前的研究热点。文章首先简述了IDS的发展历史背景及其重要性,概要介绍了IDS常用的两类检测技术,详细介绍了几种常用的智能入侵检测技术,指出目前的智能检测技术存在的不足及其今后的发展趋势。     

基于Hamming网络的入侵检测技术的研究

分析了异常和误用入侵检测技术存在的一些问题,并结合神经网络的原理,提出了一个新的基于Hamming网络的入侵检测技术。该技术改善了基于特征检测算法中存在的不足,提高了对未知入侵类型的检测能力,并对Hamming网络入侵检测技术进行了分析和测试。     

司机疲劳驾驶实时检测系统设计

司机疲劳驾驶实时检测系统在实际应用中有很重要的意义.设计了一个利用图像分析的方法,通过测量PERCLOS指标值来进行疲劳判断的该类系统.系统首先对图像进行预处理,然后采用基于YCbCr颜色空间肤色模型进行人脸粗定位,根据人脸特征,逐次进行人眼区域缩小;最后通过对边缘信息进行先验知识结合积分投影的方法进行人眼定位和闭合度测量.考虑到视频图像序列帧与帧之间的相关性,采用线性运动预测的方法对人眼进行跟踪,减少了系统的运算量.实验结果表明系统能实时、准确地反映司机的疲劳状态.     

网络入侵检测技术综述

入侵检测工作应在计算机网络系统中的关键节点上。介绍入侵检测的基本概念,阐述两类基本的检测技术,详细地论述了入侵检测过程及检测技术面临的挑战与发展趋势。     

A method of detecting and tracking irises and eyelids in video

We locate the eye corners, eyelids, and irises in every frame of an image sequence, and analyze the movements of the irises and eyelids to determine changes in gaze direction and blinking, respectively. Using simple models for the motions of the head and eyes, we determine the head-independent motions of the irises and eyelids by stabilizing for the head motion. The head-independent motions of the irises can be used to determine behaviors like saccades and smooth pursuit. Tracking the upper eyelid and using the distance between its apex and the center of the iris, we detect instances of eye closure during blinking. In experiments on two short image sequences, in one of which the subject was wearing glasses, we successfully located the irises in every frame in which the eyes were fully or partially open, and successfully located the eyelids 80% of the time. When motion information in the form of normal flow was used, the irises were successfully tracked in every frame in which the eyes were fully or partially open, and the eyelids were successfully located and tracked 90% of the time.